단일 레이블 학습 데이터를 사용하여 다중 클래스 다중 레이블 분류

Question

컨벌루션 뉴럴 네트워크를 사용하여 다중 클래스 다중 레이블 이미지 분류를 수행하려고합니다.

교육 과정에서 1 단계 라벨링을 사용하여 라벨을 준비 할 계획입니다. 예를 들어 8 개 수업으로 구성되어 있습니다, 및 샘플 이미지는 클래스 2, 4로 분류 할 수 있으며, 6. 따라서 라벨 그러나

[0 1 0 1 0 1 0 0] 

, 나는 현재하고있어 모델의 입력 파이프 라인과 같을 것이다 피기 백 (piggybacking)은 여러 라벨을 사용하여 교육 데이터를 가져 오지 않습니다. 동료는 모델의 입력 파이프 라인을 수정하는 대신 교육 데이터를 복제하는 대신에 대안을 제안했습니다. 앞의 예를 사용하면 하나의 교육 데이터에 3 개의 레이블을 제공하는 대신 각 레이블 하나에 3 개의 복제 교육 데이터가 대신 공급됩니다. (0을) 세 레이블,

[0 1 0 0 0 0 0 0] 

[0 0 0 1 0 0 0 0] 

[0 0 0 0 0 1 0 0] 

감안할 때 충분한 훈련 데이터 같을 것이다 모델 대신 거짓 값의 한 핫 배열에 실제 값 (들)에 더 중요성을 배치 배울 수있을 것입니다 ? 모델이 적절한 다중 라벨 데이터를 출력 할 수 있습니까?

Answer 1

데이터를 복제하거나 오랜 교육을하지 않아도 일반적인 softmax 대신 multinominal logistic regression이나 sigmoid cross entropy loss로 네트워크를 학습 할 수 있습니다. Here은 다중 라벨 이미지 분류에 대한 유용한 자습서입니다.